正则化试图通过降低对输入数据微小变化的敏感性来减少过度拟合的机会。对于截距项（相对于系数）而言，这不是什么大问题，因此通常不包括在内。

正则化的主要目的是减少参数值，这反过来又会减少与该参数相关的特征对模型预测的影响。例如，由于截距 Theta0 基本上没有与之关联的特征，我们不对其进行惩罚。